{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 5.0,
  "eval_steps": 500,
  "global_step": 75,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.06666666666666667,
      "grad_norm": 1.0890171527862549,
      "learning_rate": 5e-05,
      "loss": 0.9504,
      "step": 1
    },
    {
      "epoch": 0.13333333333333333,
      "grad_norm": 1.0416314601898193,
      "learning_rate": 0.0001,
      "loss": 0.9342,
      "step": 2
    },
    {
      "epoch": 0.2,
      "grad_norm": 0.869629442691803,
      "learning_rate": 0.00015000000000000001,
      "loss": 0.881,
      "step": 3
    },
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 0.5775812268257141,
      "learning_rate": 0.0002,
      "loss": 0.8136,
      "step": 4
    },
    {
      "epoch": 0.3333333333333333,
      "grad_norm": 0.4219946563243866,
      "learning_rate": 0.00019990212265199738,
      "loss": 0.8022,
      "step": 5
    },
    {
      "epoch": 0.4,
      "grad_norm": 0.36623886227607727,
      "learning_rate": 0.00019960868220749448,
      "loss": 0.7536,
      "step": 6
    },
    {
      "epoch": 0.4666666666666667,
      "grad_norm": 0.3498327434062958,
      "learning_rate": 0.00019912025308994148,
      "loss": 0.7613,
      "step": 7
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 0.3222409784793854,
      "learning_rate": 0.00019843779142227256,
      "loss": 0.7335,
      "step": 8
    },
    {
      "epoch": 0.6,
      "grad_norm": 0.30498430132865906,
      "learning_rate": 0.0001975626331552507,
      "loss": 0.7342,
      "step": 9
    },
    {
      "epoch": 0.6666666666666666,
      "grad_norm": 0.2843049168586731,
      "learning_rate": 0.00019649649145228102,
      "loss": 0.7494,
      "step": 10
    },
    {
      "epoch": 0.7333333333333333,
      "grad_norm": 0.28558269143104553,
      "learning_rate": 0.00019524145333581317,
      "loss": 0.7202,
      "step": 11
    },
    {
      "epoch": 0.8,
      "grad_norm": 0.2747940719127655,
      "learning_rate": 0.00019379997560189675,
      "loss": 0.6978,
      "step": 12
    },
    {
      "epoch": 0.8666666666666667,
      "grad_norm": 0.280610054731369,
      "learning_rate": 0.00019217488001088784,
      "loss": 0.712,
      "step": 13
    },
    {
      "epoch": 0.9333333333333333,
      "grad_norm": 0.26551946997642517,
      "learning_rate": 0.0001903693477637204,
      "loss": 0.6815,
      "step": 14
    },
    {
      "epoch": 1.0,
      "grad_norm": 0.26354852318763733,
      "learning_rate": 0.0001883869132745561,
      "loss": 0.6705,
      "step": 15
    },
    {
      "epoch": 1.0666666666666667,
      "grad_norm": 0.2972894608974457,
      "learning_rate": 0.00018623145725200278,
      "loss": 0.6399,
      "step": 16
    },
    {
      "epoch": 1.1333333333333333,
      "grad_norm": 0.2863878905773163,
      "learning_rate": 0.00018390719910244487,
      "loss": 0.6012,
      "step": 17
    },
    {
      "epoch": 1.2,
      "grad_norm": 0.26009681820869446,
      "learning_rate": 0.00018141868867035745,
      "loss": 0.5994,
      "step": 18
    },
    {
      "epoch": 1.2666666666666666,
      "grad_norm": 0.2787269651889801,
      "learning_rate": 0.00017877079733177184,
      "loss": 0.5932,
      "step": 19
    },
    {
      "epoch": 1.3333333333333333,
      "grad_norm": 0.2598305642604828,
      "learning_rate": 0.0001759687084583285,
      "loss": 0.574,
      "step": 20
    },
    {
      "epoch": 1.4,
      "grad_norm": 0.27728283405303955,
      "learning_rate": 0.00017301790727058345,
      "loss": 0.5735,
      "step": 21
    },
    {
      "epoch": 1.4666666666666668,
      "grad_norm": 0.2823718786239624,
      "learning_rate": 0.00016992417010043142,
      "loss": 0.5756,
      "step": 22
    },
    {
      "epoch": 1.5333333333333332,
      "grad_norm": 0.25957608222961426,
      "learning_rate": 0.0001666935530836651,
      "loss": 0.5275,
      "step": 23
    },
    {
      "epoch": 1.6,
      "grad_norm": 0.24662478268146515,
      "learning_rate": 0.0001633323803048047,
      "loss": 0.5476,
      "step": 24
    },
    {
      "epoch": 1.6666666666666665,
      "grad_norm": 0.23672237992286682,
      "learning_rate": 0.00015984723141740576,
      "loss": 0.514,
      "step": 25
    },
    {
      "epoch": 1.7333333333333334,
      "grad_norm": 0.23386318981647491,
      "learning_rate": 0.0001562449287640781,
      "loss": 0.5029,
      "step": 26
    },
    {
      "epoch": 1.8,
      "grad_norm": 0.2601586878299713,
      "learning_rate": 0.00015253252402142988,
      "loss": 0.5334,
      "step": 27
    },
    {
      "epoch": 1.8666666666666667,
      "grad_norm": 0.25172144174575806,
      "learning_rate": 0.00014871728439607966,
      "loss": 0.5153,
      "step": 28
    },
    {
      "epoch": 1.9333333333333333,
      "grad_norm": 0.24073539674282074,
      "learning_rate": 0.00014480667839875786,
      "loss": 0.5375,
      "step": 29
    },
    {
      "epoch": 2.0,
      "grad_norm": 0.24093535542488098,
      "learning_rate": 0.0001408083612243465,
      "loss": 0.5012,
      "step": 30
    },
    {
      "epoch": 2.066666666666667,
      "grad_norm": 0.2312004268169403,
      "learning_rate": 0.00013673015976647568,
      "loss": 0.4631,
      "step": 31
    },
    {
      "epoch": 2.1333333333333333,
      "grad_norm": 0.2351023256778717,
      "learning_rate": 0.00013258005729601177,
      "loss": 0.4647,
      "step": 32
    },
    {
      "epoch": 2.2,
      "grad_norm": 0.22365152835845947,
      "learning_rate": 0.0001283661778334297,
      "loss": 0.4219,
      "step": 33
    },
    {
      "epoch": 2.2666666666666666,
      "grad_norm": 0.2297082245349884,
      "learning_rate": 0.00012409677024566144,
      "loss": 0.4349,
      "step": 34
    },
    {
      "epoch": 2.3333333333333335,
      "grad_norm": 0.23444686830043793,
      "learning_rate": 0.00011978019209855174,
      "loss": 0.4285,
      "step": 35
    },
    {
      "epoch": 2.4,
      "grad_norm": 0.25463634729385376,
      "learning_rate": 0.00011542489329653024,
      "loss": 0.427,
      "step": 36
    },
    {
      "epoch": 2.466666666666667,
      "grad_norm": 0.2404577136039734,
      "learning_rate": 0.000111039399541527,
      "loss": 0.4204,
      "step": 37
    },
    {
      "epoch": 2.533333333333333,
      "grad_norm": 0.27046656608581543,
      "learning_rate": 0.00010663229564351041,
      "loss": 0.4349,
      "step": 38
    },
    {
      "epoch": 2.6,
      "grad_norm": 0.2494724541902542,
      "learning_rate": 0.00010221220871531869,
      "loss": 0.4269,
      "step": 39
    },
    {
      "epoch": 2.6666666666666665,
      "grad_norm": 0.25197190046310425,
      "learning_rate": 9.778779128468132e-05,
      "loss": 0.4022,
      "step": 40
    },
    {
      "epoch": 2.7333333333333334,
      "grad_norm": 0.2529221177101135,
      "learning_rate": 9.336770435648964e-05,
      "loss": 0.4256,
      "step": 41
    },
    {
      "epoch": 2.8,
      "grad_norm": 0.26619741320610046,
      "learning_rate": 8.896060045847304e-05,
      "loss": 0.4239,
      "step": 42
    },
    {
      "epoch": 2.8666666666666667,
      "grad_norm": 0.2642028033733368,
      "learning_rate": 8.457510670346976e-05,
      "loss": 0.414,
      "step": 43
    },
    {
      "epoch": 2.9333333333333336,
      "grad_norm": 0.2735430598258972,
      "learning_rate": 8.021980790144827e-05,
      "loss": 0.3948,
      "step": 44
    },
    {
      "epoch": 3.0,
      "grad_norm": 0.26235178112983704,
      "learning_rate": 7.590322975433857e-05,
      "loss": 0.4013,
      "step": 45
    },
    {
      "epoch": 3.066666666666667,
      "grad_norm": 0.2630228102207184,
      "learning_rate": 7.163382216657034e-05,
      "loss": 0.3624,
      "step": 46
    },
    {
      "epoch": 3.1333333333333333,
      "grad_norm": 0.2455410361289978,
      "learning_rate": 6.741994270398826e-05,
      "loss": 0.3559,
      "step": 47
    },
    {
      "epoch": 3.2,
      "grad_norm": 0.25239506363868713,
      "learning_rate": 6.326984023352435e-05,
      "loss": 0.3297,
      "step": 48
    },
    {
      "epoch": 3.2666666666666666,
      "grad_norm": 0.26092275977134705,
      "learning_rate": 5.91916387756535e-05,
      "loss": 0.3519,
      "step": 49
    },
    {
      "epoch": 3.3333333333333335,
      "grad_norm": 0.2558125853538513,
      "learning_rate": 5.5193321601242156e-05,
      "loss": 0.3467,
      "step": 50
    },
    {
      "epoch": 3.4,
      "grad_norm": 0.2603452503681183,
      "learning_rate": 5.1282715603920374e-05,
      "loss": 0.3606,
      "step": 51
    },
    {
      "epoch": 3.466666666666667,
      "grad_norm": 0.2685030996799469,
      "learning_rate": 4.746747597857014e-05,
      "loss": 0.3385,
      "step": 52
    },
    {
      "epoch": 3.533333333333333,
      "grad_norm": 0.2547042965888977,
      "learning_rate": 4.375507123592194e-05,
      "loss": 0.3502,
      "step": 53
    },
    {
      "epoch": 3.6,
      "grad_norm": 0.25863558053970337,
      "learning_rate": 4.015276858259427e-05,
      "loss": 0.3353,
      "step": 54
    },
    {
      "epoch": 3.6666666666666665,
      "grad_norm": 0.25985899567604065,
      "learning_rate": 3.6667619695195285e-05,
      "loss": 0.3314,
      "step": 55
    },
    {
      "epoch": 3.7333333333333334,
      "grad_norm": 0.2722785174846649,
      "learning_rate": 3.330644691633492e-05,
      "loss": 0.3224,
      "step": 56
    },
    {
      "epoch": 3.8,
      "grad_norm": 0.2661519944667816,
      "learning_rate": 3.0075829899568597e-05,
      "loss": 0.3487,
      "step": 57
    },
    {
      "epoch": 3.8666666666666667,
      "grad_norm": 0.2682656943798065,
      "learning_rate": 2.6982092729416587e-05,
      "loss": 0.3412,
      "step": 58
    },
    {
      "epoch": 3.9333333333333336,
      "grad_norm": 0.2595905363559723,
      "learning_rate": 2.403129154167153e-05,
      "loss": 0.3242,
      "step": 59
    },
    {
      "epoch": 4.0,
      "grad_norm": 0.2578358054161072,
      "learning_rate": 2.1229202668228197e-05,
      "loss": 0.306,
      "step": 60
    },
    {
      "epoch": 4.066666666666666,
      "grad_norm": 0.2525722086429596,
      "learning_rate": 1.858131132964259e-05,
      "loss": 0.3234,
      "step": 61
    },
    {
      "epoch": 4.133333333333334,
      "grad_norm": 0.2557724118232727,
      "learning_rate": 1.609280089755515e-05,
      "loss": 0.2945,
      "step": 62
    },
    {
      "epoch": 4.2,
      "grad_norm": 0.2506673038005829,
      "learning_rate": 1.3768542747997215e-05,
      "loss": 0.3157,
      "step": 63
    },
    {
      "epoch": 4.266666666666667,
      "grad_norm": 0.25794729590415955,
      "learning_rate": 1.161308672544389e-05,
      "loss": 0.3085,
      "step": 64
    },
    {
      "epoch": 4.333333333333333,
      "grad_norm": 0.2558946907520294,
      "learning_rate": 9.630652236279625e-06,
      "loss": 0.3096,
      "step": 65
    },
    {
      "epoch": 4.4,
      "grad_norm": 0.25984814763069153,
      "learning_rate": 7.825119989112173e-06,
      "loss": 0.311,
      "step": 66
    },
    {
      "epoch": 4.466666666666667,
      "grad_norm": 0.24387367069721222,
      "learning_rate": 6.200024398103255e-06,
      "loss": 0.3083,
      "step": 67
    },
    {
      "epoch": 4.533333333333333,
      "grad_norm": 0.24648573994636536,
      "learning_rate": 4.758546664186869e-06,
      "loss": 0.2929,
      "step": 68
    },
    {
      "epoch": 4.6,
      "grad_norm": 0.24927794933319092,
      "learning_rate": 3.5035085477190143e-06,
      "loss": 0.312,
      "step": 69
    },
    {
      "epoch": 4.666666666666667,
      "grad_norm": 0.25699713826179504,
      "learning_rate": 2.4373668447493224e-06,
      "loss": 0.3157,
      "step": 70
    },
    {
      "epoch": 4.733333333333333,
      "grad_norm": 0.25668400526046753,
      "learning_rate": 1.562208577727442e-06,
      "loss": 0.297,
      "step": 71
    },
    {
      "epoch": 4.8,
      "grad_norm": 0.25037774443626404,
      "learning_rate": 8.797469100585431e-07,
      "loss": 0.2887,
      "step": 72
    },
    {
      "epoch": 4.866666666666667,
      "grad_norm": 0.24792499840259552,
      "learning_rate": 3.913177925055189e-07,
      "loss": 0.3156,
      "step": 73
    },
    {
      "epoch": 4.933333333333334,
      "grad_norm": 0.2463802695274353,
      "learning_rate": 9.78773480026396e-08,
      "loss": 0.2867,
      "step": 74
    },
    {
      "epoch": 5.0,
      "grad_norm": 0.24436143040657043,
      "learning_rate": 0.0,
      "loss": 0.293,
      "step": 75
    }
  ],
  "logging_steps": 1,
  "max_steps": 75,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 5,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 1.1357004270610022e+17,
  "train_batch_size": 1,
  "trial_name": null,
  "trial_params": null
}